铝板中激光Lamb波信号的模态分析与缺陷检测研究

激光激励的Lamb波信号具有较宽的频带,且包含多个模态信息。本文采用二维傅里叶变换和时频分析等信号分析技术用于检测信号中的模态成分及缺陷信息识别。首先,对200组激光Lamb波信号进行二维傅里叶变换,得到信号的频率-波数图,可识别出激光Lamb波信号中的低阶A0、S0和高阶模态,并且A0模态能量高,可用于缺陷检测。随后对有、无缺陷状态下Lamb波信号进行连续小波变换,从时频图中识别出缺陷信号的频率成分,进一步提取特定频率下的小波系数幅值信号,实现了缺陷信息的识别。结果表明,二维傅里叶变换能较好地识别激光Lamb波的模态成分,而提取出的连续小波变换系数图,能准确实现缺陷定位。     

Lamb波理论及层合板冲击损伤的实验研究

从理论上分析了板中Lamb波信号的传播特性,并给出Lamb波在板中传播的频散方程。理论分析及实验均表明,Lamb波的频散特性与复合材料结构损伤有着直接的联系,而且最低阶的对称和反对称Lamb波模态对层合板的损伤比较敏感,但应用Lamb波的频散效应监测结构的损伤在检测技术上还难以实现。根据板中导波形成Lamb波的共振原理,板中应力波的幅频特性很大程度上反映了Lamb波的谐振特征。因此,利用压电元件的压电阻抗谱分析应力波的各阶模态频率及振幅对结构损伤的变化,能够反映材料内部损伤与Lamb波的频散特性。文中针对表面粘贴压电元件的层合板智能结构,建立了包含Lamb波谐振模式的压电阻抗计算模型。冲击损伤试件的实验表明,由于结构损伤的出现压电阻抗谱中的模态频率及其阻抗幅值等特征信息将发生变化。因此,引入应力波损伤因子可以对结构冲击损伤的存在和程度进行初步评价。该方法基于结构的机-电动态阻抗特性,不受结构的几何形状限制,测试用的压电元件成本低,方法简单可行,有望在智能结构的健康诊断方面获得应用。     

基于时间反转法的Lamb波检测技术的研究进展

Lamb波具有传播距离远、衰减小等特点,已被广泛应用于大型板类结构的损伤检测。时间反转是实现超声波聚焦的有效方法之一。本文回顾并总结了近20年来时间反转方法在Lamb波检测领域中的研究进展。针对Lamb波固有的频散和多模态等传播特性,详细论述了时间反转法在板结构Lamb波检测中的应用。最后对基于时间反转法的免基准信号Lamb波损伤检测方法进行了总结,分析其存在的问题并对其应用前景进行了展望。     

基于电磁声激励Lamb波的裂纹深度检测

本文采用电磁声传感器接收单一S₀模态激励，测量Lamb波在板中不同深度的槽形裂纹处的反射与透射，用于对已知扩展长度的表面裂纹进行深度测量。然后分析了Lamb波模态的频散与波动特性，由超声Lamb波的波结构，近似计算了S₀模态入射到裂纹时的反射系数。计算结果与实验结果一致。结果表明，Lamb波在有限长裂纹处的反射系数可采用二维模型中的反射系数求解公式近似求解。采用电磁超声传感器接收单一S₀模态激励，重复测量稳定性高，适用于Lamb波反射系数的测量。Lamb波的反射系数与裂纹深度有很好的对应关系，可用于板表面已知长度裂纹的深度测量。     

基于频率-波数域偏移的损伤被动成像识别研究

提出了一种应用Lamb波对板结构中多部位损伤源进行被动成像识别的方法.基于Mindlin板理论,推导了板结构中弥散性Lamb波频率-波数域的快速偏移方法,结合爆炸成像原理,对损伤源发出的Lamb波信号进行回传成像.由于损伤源的发生时刻未知,将使用不同假设发生时刻(即不同长度)的Lamb波信号生成一系列图像,通过最小熵原理从中确定最优图像,识别出损伤源的位置和发生时刻.进行了数值仿真研究来表明所提出方法的有效性.     

去除Lamb波频散的线性映射法

Lamb波常被用于板壳结构的无损检测,然而Lamb波的频散效应会导致板中损伤反射信号的渡越时间信息无法准确提取,因而影响损伤定位及成像的精度。本文引入线性映射方法,用线性频率-波数关系取代原有非线性的频散关系,从而去除激励中心频率附近的频散效应。分别采用数值模拟和实验的方法分析了频散去除的效果,进而结合相控阵成像算法对金属板中的损伤进行成像研究。结果表明,利用线性映射法去除频散可以显著提高含损伤散射信号的信噪比,提升相控阵损伤成像方法对损伤定位的准确性。     

基于匹配追踪算法的复合材料冲击损伤成像技术

基于Lamb波和匹配追踪算法,提出了一种损伤成像方法,对复合材料冲击损伤进行在线的连续 监测。首先针对Lamb波监测的特点,提出了匹配追踪方法的快速实现方案,将信号分解为多个Chirplet原 子的线性组合,建立了Lamb的弥散效应与Chirplet原子的调频斜率之间的关系,模拟结果表明Chirplet原 子能准确地匹配失真变形的窄带脉冲信号;根据损伤前与损伤后的信号差别,提出了一种基于Lamb波能量 特征差异提取的损伤指标;进一步采用改进的RAPID算法进行损伤成像,将损伤情况可视化。结果表明所 提方法可行和有效。     

相位谱线性重构法去除Lamb波频散研究

Lamb波广泛应用于板壳结构的损伤检测,而Lamb波的频散效应使得板结构中损伤散射信号的渡越时间信息难以准确提取,因而影响了阵列波束成形损伤成像算法对损伤成像定位的效果和精度.提出的相位谱线性重构法,在中心频率处通过对相位谱展开,进行线性化处理,有效地去除了激励信号中的频散效应.该方法保证了中心频率下的信号分量不变,为研究阵列波束成形损伤成像算法对损伤精确成像奠定了基础.采用数值模拟和实验手段,验证所提出的相位谱线性重构法去除频散的效果,进而结合阵列波束成形损伤成像方法分析损伤成像定位的效果和精度.结果 表明,采用的频散去除方法能够提高损伤散射信号的信噪比,提升阵列波束成形损伤成像方法对损伤成像定位的效果和精度.     

基于小波的蜂窝板面超高速撞击声发射信号损伤特征提取

为了通过超高速撞击声发射信号识别蜂窝结构受空间碎片撞击后的损伤状态，提出一种基于小波的损伤特征提取方法。采用超高速撞击声发射技术，以铝合金蜂窝板为研究对象，通过超高速撞击实验获取实验信号。分析超高速撞击声发射信号的时频特征及板波模态等特征，采用Daubechies小波变换将信号中模态分离，根据小波系数计算各尺度小波能量分数及小波能量熵特征，分析各特征参数与损伤间的关系，并通过Kruskal-Wallis检验方法验证各特征值对损伤识别的贡献。结果表明:小波能量分数和小波能量熵具有一定的损伤模式分类能力；250 kHz以上的小波能量分数具有良好的损伤模式分类能力；非超声部分的低频信号对损伤识别存在干扰。     

基于Lamb波频散特性的薄板声发射源定位方法研究

声发射源时差定位方法中波速的确定是定位准确的关键问题,根据模态声发射理论,声发射信号在薄板内的传播过程中具有频散现象和多模态特性.不同频率不同模态的声波其传播速度不同.基于Lamb波频散特性和声发射检测技术,采取时频联合分析方法对铝薄板中声波模式进行识别;利用低频段频散不明显的扩展波的波速和同一频率同一模态波到达两传感器的时间差来实现声发射源的准确定位;通过铝薄板中AE源定位实验表明,采用S0模式,即扩展波的波速进行定位计算,可以比较准确地确定声发射源的位置,而且理论值与实际值相差很小.     

连续小波变换在损伤探测中的应用

本文选取Gabor小波作为母函数，采用连续小波变换对含裂纹悬臂梁中的弯曲波进行分析，提取波动信号中某一频率分量上的入射波、反射波及透射波信号，由此可以准确地检测出悬臂梁的损伤位置，并对可其损伤程度做出定性估计。实验结果表明，这是一种行之有效的损伤检测方法，可以推广应用到复杂结构的损伤检测中去。     

板背部缺陷的单侧非接触式超声无损检测方法

随着板状结构在石化、航空航天和电力等工业领域中的广泛应用,急需发展相应的无损检测技术,对其结构完整性进行定期评估,以保证结构的安全运行。基于空气耦合换能器的Lamb波技术,可以非接触快速地对板状结构进行扫描,在结构安全检测领域有广阔的应用前景。本文采用基于势函数法的空气耦合板状结构声传播模型,通过理论求解得到其Lamb波临界角随频厚积的变化规律。实验中采取空气耦合换能器激发和接收Lamb波,采用傅里叶变换和信号滤波技术识别S0和A0模式,并通过与理论结果比较进行确认。最后,分别采用S0和A0模式对板背部半通孔缺陷进行定位,结果显示该单侧非接触式超声无损检测方法可用于板状结构背部缺陷的检测。     

基于多通道时间反转Lamb波的铝板小缺陷检测

超声Lamb波具有传播距离远、衰减小等特点,广泛应用于板结构的无损检测。将Lamb波检测技术与时间反转理论相结合,能提高铝板中小缺陷的检测能力。采用多通道时间反转板中Lamb波聚焦方法对1mm厚的铝板中直径0.8mm通孔缺陷进行检测,检测结果显示多通道时间反转检测信号中形成了两处明显的聚焦,即直达波和缺陷回波聚焦,证明此方法有效提高了检测分辨铝板小缺陷的能力。最后通过直达波、缺陷回波两处聚焦的时间差和Lamb波S_0模态群速度,准确实现了铝板中小缺陷的定位。多通道时间反转Lamb波聚焦方法不仅得到了缺陷检测回波,而且准确实现了缺陷的定位,达到了提高铝板中小缺陷检测能力的目的。     

基于认知技术的Lamb波结构损伤检测

在雷达领域最新技术进展的启发下,提出了一种新的概念——认知结构健康监测。认知结构健康监测是一种可以智能处理环境变化引起影响的结构健康监测系统:在先验知识及智能推理的基础上,通过调整系统输入及输出功能实现智能处理。并在此基础上提出了一种基于认知的Lamb波结构损伤检测方法,通过仿真进行了验证。铝板上的仿真结果表明,该方法能够在温度变化等干扰下准确地提取出与边界反射波混叠的损伤反射波,从而实现对边界附近损伤的检测。     

利用振动模态测量值和神经网络方法的结构损伤识别研究

提出了一种基于模态测量参数和神经网络的结构损伤检测方法，建造了两种输入方式的BP神经网络，即自振频率以及结合自振频率与振型，并讨论了不同数量的输入信息对结构损伤检测精度和计算效率的影响。证明了输入的参数越多，神经网络就越聪明，训练的收敛速度越快；以及在保证一定的测量精度的情况下，基于频率与振型的损伤识别结果要好于基于频率的检测结果。最后，通过对3层框架模型的4种损伤工况下的结构损伤检测结果的分析，认为利用模态测量参数和神经网络方法能够准确地识别结构损伤的位置，而且能较精确地识别结构损伤的大小。     

正交各向异性板中非主轴方向的Lamb波

基于线性三维弹性理论，采用勒让德正交多项式展开法，推导了波沿正交各向异性材料非主轴方向传播时的Lamb波耦合波动方程，并对耦合波动方程进行了数值求解。为验证该方法的适用性和正确性，首先将此方法应用于各向同性材料，并与已知的数据结果进行了比较；然后以单向纤维增强复合材料为例，计算了耦合Lamb波沿不同的非主轴方向传播时的相速度频散曲线，并分别研究了传播方向改变时低阶模态Lamb波和高阶模态Lamb波频散特性的变化。最后，针对潜在用于各向异性复合材料结构健康监测的耦合Lamb波低阶模态，给出了其在不同传播方向时的相速度分布和群速度分布。同时，结合低阶模态Lamb波的位移分布特性和材料的各向异性特点，阐释了S0模态对波的传播方向变化最为敏感的原因。     

结构健康监测中的损伤检测技术研究进展

对结构健康监测研究中的结构损伤检测方法及其特点进行了介绍.从基于结构模态 分析的方法和基于结构动态试验信号处理的方法两方面,阐述了结构健康监测中的损伤检测 方法及其最新研究进展.基于结构模态分析的结构损伤检测方法是针对整个结构的检测,使 用的模态都限于低阶模态范围内,所检测的结构应容易建立有限元模型,便于进行响应预测. 基于结构动态试验信号处理的损伤检测方法通常是针对结构局部构件的损伤检测,不需要对 结构进行有限元建模,而直接从测试的动态响应信号中提取表征结构损伤的特征参数. 文中提出了对比性损伤检测方法和非对比性损伤检测方法的概念,并 对结构损伤检测中常用的信 息传感与处理技术进行了论述,指出了结构损伤检测研究中应该考虑的传感器布置问题.提 出了将损伤信息的主动检测与被动检测相结合进行损伤程度判断和剩余寿命估计等问题是 有待进一步深入研究的课题.     

金属板结构疲劳损伤二倍频兰姆波检测方法研究

针对重大基础设施安全运行需要,本文进行了金属板结构疲劳损伤非线性兰姆波检测方法研究。基于兰姆波二次谐波产生条件,确定了产生二次谐波积累增长效应的两种兰姆波模态及对应的激励频率。通过有限元仿真,研究了材料性能改变对兰姆波非线性效应的影响,证明了二倍频兰姆波非线性系数对材料性能退化表征的有效性。在此基础上,开展了金属板结构疲劳损伤非线性兰姆波检测实验研究。将极性反转方法应用于疲劳试件检测实验中,有效提高了检测信号中二倍频兰姆波的幅值和信噪比。实验结果表明,两种兰姆波模态对的二次谐波非线性系数均随疲劳损伤增加呈线性增长趋势,但基频S(0,2)模态和二倍频S(0,4)模态对对疲劳损伤检测的灵敏度更高,更适合金属板结构疲劳损伤检测。     

Lamb波稀疏阵列CFRP层合板损伤成像检测

针对Lamb波阵列成像方法检测复合材料板时存在偏斜效应、频散及密集阵列成像分辨率低的问题，本文采用引入偏斜角修正的相位延迟叠加方法结合最小冗余度线性阵列（MRLA）实现了碳纤维增强复合材料（CFRP）层合板损伤的准确成像检测。根据Lamb波单一模态的波数曲线计算各方向的偏斜角，确保成像中损伤所在方位角的准确性；在频域中对每个频率成分进行相位延迟以弥补频散，确保成像中损伤所在位置的精度；利用MRLA设计十字型稀疏阵列，既降低了阵列成本，又保证损了伤成像质量。数值模拟成像结果验证了本文提出方案的有效性，实验成像结果凸显了十字型稀疏阵列在节约阵列成本、提高损伤空间分辨率方面的优越性，对工程实践中CFRP板结构的损伤检测具有一定的指导意义。     

基于SBFEM和深度学习的裂纹状缺陷反演模型

结构内部缺陷的识别是结构健康监测的重要研究内容, 而当前以无损检测为主的结构安全检测多以定性分析为主, 定量识别缺陷的尺度较困难. 本文将比例边界有限元法(scaled boundary finite element methods, SBFEM)和深度学习相结合, 提出了基于Lamb波在结构中传播时的反馈信号定量识别结构内部裂纹状缺陷的反演模型. 通过随机生成缺陷信息(位置、大小), 采用SBFEM模拟Lamb波在含不同缺陷信息的结构中的信号传播过程, SBFEM仅需对结构边界离散可最小化网格重划分过程, 大大提高了计算效率. Lamb波在含裂纹状缺陷结构中传播时观测点的反馈信号包含大量的裂纹信息, 基于这一特性可为深度学习模型提供足够多的反映问题特性的训练数据. 建议的缺陷反演模型规避了传统反分析问题的目标函数极小化迭代过程, 在保证计算精度的前提下大大减少了计算成本. 对含单裂纹和多裂纹板的数值算例进行分析, 结果表明: 建立的缺陷识别模型能够准确地量化结构内部的缺陷, 对浅表裂纹亦有很好的识别效果, 且对于含噪信号模型仍具有较好的鲁棒性.